Conseils utiles

Robot Cars: comment ne pas piloter de ses propres mains

Pin
Send
Share
Send
Send


  • "onclick =" window.open (this.href, 'win2', 'status = non, barre d'outils = non, barres de défilement = oui, barre de titre = non, menubar = non, redimensionnable = oui, w> Imprimer
  • E-mail
Date Catégorie: it

Avec l’avènement des robots, aucune industrie n’a été aussi révolutionnaire que l’industrie automobile. Les robots sont de loin supérieurs aux humains car ils effectuent un travail aussi monotone et fastidieux, à savoir le montage de voitures.

Sur les lignes de production, des robots tamponnent des pièces automobiles, les soudent, les peignent, installent des accessoires, transportent des composants entre les postes de travail. Les robots peuvent même vérifier la qualité de leur travail, leurs capteurs détectent les moindres défauts qui peuvent s’échapper de l’œil humain. L'utilisation de robots a nettement amélioré les performances de l'industrie automobile. Les automates fonctionnent non seulement 24h / 24, mais, s'ils sont correctement programmés, ils ne font presque pas d'erreur. Cela vous permet de construire des voitures plus rapidement et à moindre coût.

Le type de robot le plus répandu dans l'industrie automobile est le bras de robot. Une large gamme de mouvements et de manipulateurs sensibles permettent à un tel robot d'effectuer différents types d'opérations.

Lors du déplacement des squelettes de voitures à moitié assemblées le long du convoyeur, un bras de robot est étendu pour souder des pièces. Les robots effectuent tous les travaux de soudage nécessaires à la fabrication d'une voiture.

Soudure locale fait partie intégrante de la production automobile. Le bras du robot comprime deux plaques métalliques en un seul endroit, puis une haute tension traverse les pièces métalliques pour les transformer en un joint appelé pépite.

Comme les peintres programmés, deux robots recouvrent une voiture de sport d'une couche de peinture rouge d'épaisseur standard à un certain angle et à une certaine distance. Le résultat dépasse toutes les attentes.

Un bras de robot insère un pare-brise dans un véhicule en voie d'achèvement. Les robots d'assemblage pour sécuriser les fils et les batteries reçoivent les pièces et composants nécessaires du robot de transport.

Voiture robotique sans volant

Les voitures autonomes des projets en cours utilisent les systèmes d'analyse de situation suivants:

  • radar
  • lidar
  • GPS basé
  • basé sur l'odomètre
  • analyse informatique.

Les systèmes de contrôle modernes interprètent les informations reçues des capteurs et déterminent ainsi les chemins de navigation, obstacles, panneaux, etc. appropriés.

Les voitures autonomes sont capables d'analyser «sensuellement» - afin de déterminer, par exemple, différents types de véhicules circulant sur l'autoroute.

Cette fonctionnalité est un ajout important lors de la planification d'un voyage vers une destination.

L'histoire du développement d'une voiture robot

Les machines de robot se trouvent dans des documents de démonstration qui sont encore marqués par la période 1920-30.

Cependant, les premières voitures robotiques, qui sont vraiment une sorte de véhicule autonome, ne sont apparues qu'au milieu des années 1980.

Celles-ci étaient principalement le fruit de la créativité des enthousiastes de l’Université Carnegie Mellon (Navlab) et du développement de la société australienne ALV.

Depuis 2014, la société tchèque Tesla a déjà noté des designs plus intéressants.

Cependant, jusqu'à ce que les projets à part entière correspondant au cinquième niveau d'automatisation du système, le problème ne soit pas encore atteint.

Tesla Motors a produit un prototype de robot automobile dont la structure ne correspond qu'au deuxième niveau.

Voitures mi-robots

En fait, il s’agit d’un modèle de transport semi-autonome, qui n’exclut pas complètement l’intervention humaine. En octobre 2014, Tesla Motors a commencé la production en série de voitures à pilote automatique.

Les propriétaires exclusifs potentiels doivent acheter un logiciel qui implémente les fonctions de pilote automatique en tant qu'accessoire en option.

Le pilote automatique Tesla est maintenant classé selon les robotiques de niveaux 2 et 3 sur une échelle établie par la Society of Automotive Engineers (SAE), une communauté d'ingénieurs en automobile.

Une telle classification en particulier détermine: un pilote automatique est capable d’agir de manière autonome, mais requiert une attention humaine constante.

Conduire dans cette version implique un changement rapide d'automatique en manuel à un moment critique.

La huitième version du pilote automatique

Elon Musk (Elon Musk), ingénieur canadien et américain, a annoncé fin août 2016 la mise en place d'un nouveau logiciel de pilote automatique (version 8.0).

Le programme implique l’utilisation de signaux radar (lidar) pour générer l’orientation dans des conditions de visibilité réduite.

En septembre 2016, les spécialistes de Tesla Motors ont lancé la huitième version du micrologiciel en utilisant une installation radar comme capteur principal.

Il existe une fonction permettant de calculer les données radar obtenues en réfléchissant les ondes radio de la chaussée et des véhicules qui les précèdent.

Cependant, les capacités du radar "fer" n'étaient pas suffisantes. Aujourd'hui, les concepteurs comptent sur l'utilisation de la technologie NVIDIA CUDA. Que va-t-il en sortir, le temps le dira.

Robots d'assemblage chez Mercedes

Les robots récupèrent les voitures Mercedes. Le processus de production sans personne.

Convoyeur Mercedes-Benz. Automatisation

En regardant ces vidéos, je souhaite admirer la beauté de la technologie robotique. Pas un seul mouvement supplémentaire, une précision d'installation parfaite. La beauté dans l'exécution du travail électromécanique. Mais après tout, cette beauté a été créée par des hommes. Alors pourquoi ne sont-ils pratiquement pas dans le cadre?

Paradoxes de l'automatisation

Le revers de l'automatisation est le déplacement de personnes de la production. Les gens deviennent superflu dans le monde des gens!
Et le principal paradoxe - maintenant Mercedes est loin d'être l'exemple légendaire de la qualité et de la fiabilité allemandes. Le retour d’information sur l’entretien extraordinaire dû à des défauts de fabrication est devenu la norme. Merces véritablement fiables ont été publiés seulement à une époque où les gens travaillaient sur la chaîne de montage ...

Les robots ont commencé à perdre des gens

Après avoir étudié la dégradation de la qualité, la direction de Daimler AG a pris une décision sans précédent: abandonner les transporteurs robotisés et remplacer absolument tous les robots par des personnes. Le chef de la production, Marcus Schäfer, a pris une décision paradoxale, en se basant sur le fait que la gamme de véhicules Mercedes-Benz s’est élargie de manière si variable que "l’automatisation sans âme" n’a pas été en mesure de faire face rapidement à la diversité des options disponibles.

Les robots collecteurs étaient économiquement désavantageux en fournissant une approche individuelle pour résoudre la variété croissante de tâches.

L'automatisation a évincé les gens

La restructuration commencera avec la plus grande usine de Sindelfingen. Chaque année, 400 000 voitures neuves sortent de la chaîne de montage de cette division de Daimler AG. Les processus de production attendent des changements radicaux qui nécessiteront des injections économiques considérables. Cependant, les Allemands ont également des plans napoléoniens pour ce convoyeur. Après la mise à jour de la technologie, l’usine lancera immédiatement 30 nouveaux modèles au cours des quatre prochaines années. Et tous les nouveaux produits se verront attribuer la catégorie «assemblage manuel». Un bon coup de pied aux concurrents.

Bien sûr, le battage publicitaire autour du remplacement des robots par des humains n’est qu’un casse-tête publicitaire délicat. Personne ne va se débarrasser de l'automatisation à 100%. Certains des robots resteront cependant, comme promis, maintenant ils fonctionneront sous le contrôle de personnes et ne réaliseront plus qu'une routine monotone, lourde et simple.

Pourquoi Duckietown est-il apparu et comment sont arrangées les autos miniatures autonomes

En 2016, le Massachusetts Institute of Technology (MIT) a reçu une subvention pour le développement de pilotes automatiques pour voitures. Les chercheurs ont eu l’idée que le même logiciel fonctionnerait aussi bien sur les voitures réelles que sur les voitures miniatures, ce qui permet d’apprendre à fonctionner de manière autonome dans une ville modèle. Le projet étudiant Duckietown a donc été créé.

Les enseignants du MIT ont réuni un groupe d’étudiants aux compétences différentes et se sont donné pour tâche de construire une ville miniature dans laquelle les voitures roulent de manière totalement autonome. Les élèves ont reçu des boîtes contenant des glandes, des puces, des contrôleurs et des voitures assemblées.

Ensuite, un contrôleur de roue et un ordinateur miniature basé sur le Raspberry Pi ont été installés sur chacun d'eux. C'est ainsi que la voiture a appris à conduire.

Étape suivante: Le système d’exploitation du robot (ROS) a été installé sur ce petit ordinateur. Ceci est un ensemble d’outils pour diverses solutions robotiques - industrielles et jouets. Ainsi, chaque élève dispose d’un robot mobile autonome appelé «Dakibot».

Les tâches ont ensuite été divisées: un groupe d’élèves a été chargé de développer des algorithmes de recherche des marquages ​​routiers, l’autre, des algorithmes de reconnaissance des feux de circulation, et un autre doit développer un protocole permettant aux voitures de «se mettre d’accord» sur l’ordre de circulation aux intersections. Au cours de l'année, les étudiants ont résolu les tâches de base de la conduite autonome sur une route balisée.

En février, j’ai rencontré Liam Paul (l’un des auteurs du projet Duckietown - environ «Papers»).) et demande ce qu’il faut faire pour entreprendre des recherches sur le trafic automobile autonome en Russie dans le cadre de ce projet. Il a dit: "Rien, organiser, pas de problème."

Au début, nous et deux étudiants du LETI et de l'UA avons essayé de procéder rapidement de la même manière que les étudiants du MIT le semestre dernier: à partir de rien, nous avons construit une voiture, une route, un environnement, démarré et mis au point les algorithmes de base. Du MIT, ils ont pris l’idée principale, les descriptions et les codes sources.

En 2017, nous avons lancé un cours au Centre des sciences informatiques, où étudiants et écoliers ont créé une ville modèle déjà complète avec une douzaine de «petits canards» autonomes et ont résolu plusieurs nouveaux problèmes algorithmiques.

Vous pouvez faire une analogie de Duckietown avec Linux: lorsque le code source de cet OS a été publié, il avait très peu de possibilités. Mais tous ceux qui étaient intéressés par l’émergence de nouvelles fonctionnalités ont commencé à ajouter leurs propres conceptions à ce projet. Voici la même idée, seul l’objectif est une plate-forme ouverte standard pour la navigation autonome et les véhicules sans pilote. Et nous nous sommes impliqués dans ce projet: nous avons maîtrisé ce que nous avons et commencé à ajouter de nouvelles fonctionnalités.

Duckietown est conçu de manière à ce que le seuil d’entrée pour travailler avec elle soit très bas: vous n’avez pas besoin d’étudier à l’université pendant cinq ans, vous pouvez même être un écolier pour vous occuper de choses élémentaires. Toute personne intéressée par ce sujet peut se connecter au projet, créer quelque chose et voir immédiatement le résultat de ses efforts.

Comment les robots naviguent dans l'espace

Une voiture autonome est un robot qui doit pouvoir résoudre un problème insoluble: naviguer dans des conditions inconnues et agir de manière indépendante. Désormais, seule une personne en est capable et de nombreux chercheurs rêvent de créer des algorithmes autonomes.

Il existe une couche de tâches SLAM - Localisation et cartographie simultanées (méthode de localisation et de création de cartes simultanées - env. «Articles»), dont la formulation générale est très simple. Il existe un robot mobile avec un ensemble de capteurs - par exemple, une caméra, un télémètre. Le robot est placé dans un environnement qui lui est inconnu et, observant les lectures du capteur, il se déplace et résout simultanément deux problèmes: il construit une carte spatiale et détermine ses coordonnées sur cette carte.

Si vous prenez un bon robot aspirateur et le placez dans une pièce, après avoir effectué une série de mouvements, il comprendra le fonctionnement de l'espace et sera capable de construire une carte et son itinéraire. Mais ce n'est presque toujours pas suffisant, car certains objets de la pièce doivent également être reconnus et réagir à leur apparence.

Une tâche similaire s’applique également aux voitures: la voiture roule, affine la carte, s’y localise - elle dispose pour cela de marqueurs que le système de navigation autonome peut reconnaître. Par exemple, Dakibot examine principalement le balisage. S'il la voit, il pense: "D'accord, je suis quelque part sur le strip, il faut aller parallèlement à cette ligne." Mais il ne sait toujours pas comment construire une carte globale.

Mais la tâche, après tout, n’est pas simplement de se déplacer dans la voie, il est nécessaire de gérer. Parfois, il y a des lignes d'arrêt ou des obstacles et la machine doit réagir aux circonstances. Elle «regarde» le monde avec des capteurs, voit, par exemple, une ligne d'arrêt et s'arrête. Il analyse la manière dont l'intersection est aménagée, qu'il y ait un feu de circulation ou une autre voiture, comment vous pouvez partir. Ensuite, elle doit planifier une trajectoire qui vous permettra de traverser l'intersection et de reprendre la voie.

Si nous parlons de conduite autonome à l'échelle mondiale, les vraies voitures ont des assistants plus puissants - par exemple, le système GPS. Mais cela donne des coordonnées inexactes, la différence atteint parfois 3 à 5 mètres, et sur la route, il peut s'agir d'une voie en sens inverse. Par conséquent, le GPS ne suffit pas. Le navigateur charge des cartes électroniques, mais il y a des problèmes: elles ont été creusées ici, y ont placé un signe - cela ne se voit pas instantanément dans les cartes.

Duckietown a ceci d’intéressant que l’accent est mis ici sur l’autonomie - il n’existe pas de système externe. De nombreux projets de navigation impliquent qu'un serveur puissant se trouve à proximité, surveille et gère tout. Ici, chaque voiture est complètement autonome.

Quelle devrait être l'infrastructure pour les voitures autonomes

L'infrastructure, bien sûr, aide, même si 100% ne résoudra pas le problème de la conduite autonome. Voyons d’abord quelle est la difficulté de la localisation sur le terrain. Prenez la navigation intérieure, par exemple: un robot mobile se déplace, regarde un mur, mesure ses capteurs et se localise avec une erreur due à des erreurs de données. Cette erreur peut être corrigée en trouvant certains points dans les mesures, par exemple, dans l'image de la caméra.

Mais ici, tout n'est pas lisse. Par exemple, je regarde le mur, je vois des irrégularités, mais le soleil a commencé à briller de l'autre côté - et je ne vois plus ces irrégularités, mais je vois autre chose. La grande majorité des algorithmes souffrent d'un manque de robustesse: le robot arrive au point où il était avant, mais ne peut pas le reconnaître. Les conditions d'observation ont changé - et il pense être dans une autre partie de l'espace.

Dans la rue matin, soir, été, automne. En hiver, tout est recouvert de neige, en automne - avec des feuilles. Il a commencé à pleuvoir - tout a l'air complètement différent. Comment le reconnaître? L'infrastructure peut aider de cette façon: vous pouvez marquer l'espace avec des balises artificielles, par exemple, des codes QR, qui contiennent à l'intérieur des coordonnées exactes. Ensuite, le véhicule non habité voit un code QR, lit les coordonnées et peut corriger radicalement l'erreur accumulée.

Une personne a une capacité très importante que les robots ne possèdent pas encore: il reconnaît bien les images - par exemple, les objets. Je regarde une chaise et je sais que c'est une chaise. Cela me suffit pour comprendre sa forme, imaginer qu'il y a des jambes en dessous, pour comprendre à quel point c'est loin de moi. J'ai un modèle en trois dimensions dans la tête. Mais le robot ne l’a pas - il le construit, en regardant une image plate qui a un aspect différent selon les points de vue.

Il y a un autre problème qui sera peut-être résolu bientôt. Il existe une classe d'algorithmes Structure From Motion (SFM) - il s'agit de l'identification de la structure de l'espace à partir d'observations au cours d'un mouvement. Vous pouvez observer les points singuliers des objets et restaurer leur structure. Pour résoudre ce problème, des méthodes d’apprentissage automatique seront utiles, dont nous observons actuellement la floraison. Les réseaux de neurones sont capables de bien reconnaître les images, ce qui signifie qu'ils peuvent aider à l'orientation dans un environnement réel. Maintenant, pour leur formation, de nombreuses données initiales ont été accumulées.

Techniquement, créer une infrastructure qui aide les véhicules sans pilote à se sentir confiants dans un environnement urbain est assez simple. Il est possible, par exemple, d’attribuer des bandes distinctes à ces machines. Ce n’est pas difficile de le faire, même maintenant. Mais le problème qui reste à résoudre est d’apprendre à la voiture à se déplacer dans un environnement dynamique inconnu, en fonction de la situation de la circulation.

Quel rapport y a-t-il entre les petites voitures et la science mondiale

Duckietown - C’est une véritable technologie, c’est exactement la beauté du projet. Tout ce qui est utilisé dans l'industrie est utilisé ici. En outre, si une nouvelle méthode ou un nouvel algorithme est apparu en dehors du projet, pourquoi ne pas l’essayer à Duckietown. Il n'y a pas de restrictions. Et si ce nouvel algorithme est également open source, il peut généralement être utilisé et intégré.

Le projet Duckietown peut être considéré comme une plate-forme d’expérimentation. Si un nouvel article scientifique est publié, vous pouvez appliquer ses dispositions ici. Ou, au contraire, si quelque chose de fondamentalement nouveau apparaît dans le projet, vous pouvez en faire un article, le soumettre à une conférence et le publier. L'un des objectifs du projet est de faire des recherches sur ses bases et de créer des travaux scientifiques.

Si nous parlons de la valeur de Duckietown pour les étudiants qui y participent, ils peuvent alors être certains que leurs connaissances sont à la pointe de la technologie.

Regarde la vidéo: Test Robot Mip WowWee Silverlit Démo Jouets (Avril 2020).

Pin
Send
Share
Send
Send